CN110873888B - 定位方法、定位装置、定位设备和计算机存储介质 - Google Patents
定位方法、定位装置、定位设备和计算机存储介质 Download PDFInfo
- Publication number
- CN110873888B CN110873888B CN201811025588.0A CN201811025588A CN110873888B CN 110873888 B CN110873888 B CN 110873888B CN 201811025588 A CN201811025588 A CN 201811025588A CN 110873888 B CN110873888 B CN 110873888B
- Authority
- CN
- China
- Prior art keywords
- fusion positioning
- information
- positioning
- fusion
- positioning mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
- G01S19/30—Acquisition or tracking or demodulation of signals transmitted by the system code related
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/53—Determining attitude
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Abstract
一种定位方法、定位装置、定位设备和计算机存储介质,一个实施例的方法包括:获取当前变化更新信息,当前变化更新信息包括:GPS初始定位信息、以及航位推算位置信息,航位推算位置信息根据当前姿态变化信息确定;基于当前变化更新信息,从至少两种以上的融合定位方式中确定匹配的融合定位方式;当匹配的融合定位方式为第一融合定位方式时,根据GPS初始定位信息以及航位推算位置信息确定误差信息;根据匹配的融合定位方式,对当前变化更新信息中对应的信息进行定位,确定当前定位位置。本实施例方案可以动态分类出匹配的融合定位方式来进行融合定位,从而可以有效提高融合定位的精度,能够为不同场景的性能提供较好的鲁棒性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种定位方法、定位装置、定位设备和计算机存储介质。
背景技术
在车载导航领域,通过采用GPS(Global Positioning System,全球定位系统)作为定位的基本参考元素,GPS具有长时间精度较高的特性,但在某些情况下也会存在不准确的问题。例如,在高楼林立的城市道路等区域,容易受到地理遮蔽和天气等因素的影响而出现信号漂移的问题,在地下停车场、野外隧道等区域,GPS信号可能会出现不可用的情况。在这些情况下,基于GPS信号进行定位导航的车载导航也会受到较大程度的影响。
为了弥补由于GPS的这些缺陷造成的影响,一般使用惯性测量单元作为GPS定位的辅助元素,其在GPS信号好的时候,采用GPS信息作为定位的基本元素,在GPS信号不好或者没有GPS信号的时候,采用惯性测量单元的信息作为定位的基本元素。然而,目前是笼统地设置GPS信号的信号阈值,在GPS信号的强度低于该信号阈值时切换到以惯性测量单元的信息为基本元素进行定位,定位精度的准确性不高。
发明内容
基于此,有必要提供一种定位方法、定位装置、定位设备和计算机存储介质。
一种定位方法,所述方法包括:
获取当前变化更新信息,所述当前变化更新信息包括:GPS初始定位信息、以及航位推算位置信息,所述航位推算位置信息根据当前姿态变化信息确定;
基于所述当前变化更新信息,从至少两种以上的融合定位方式中确定匹配的融合定位方式;
当匹配的融合定位方式为第一融合定位方式时,根据所述GPS初始定位信息以及航位推算位置信息确定误差信息,所述第一融合定位方式为包含误差信息参数的融合定位方式;
根据所述匹配的融合定位方式,对所述当前变化更新信息中对应的信息进行定位,确定当前定位位置。
一种定位装置,所述装置包括:
信息获取模块,用于获取当前变化更新信息,所述当前变化更新信息包括:GPS初始定位信息、以及航位推算位置信息,所述航位推算位置信息根据当前姿态变化信息确定;
匹配及定位模块,用于基于所述当前变化更新信息,从至少两种以上的融合定位方式中确定匹配的融合定位方式;当所述融合定位方式为第一融合定位方式时,根据所述GPS初始定位信息以及航位推算位置信息确定误差信息,所述第一融合定位方式为包含误差信息参数的融合定位方式;并根据所述匹配的融合定位方式,对所述当前变化更新信息中对应的信息进行定位,确定当前定位位置。
一种定位设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现如上所述的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的方法的步骤。
如上所述的实施例中的定位方法、定位装置、定位设备和计算机存储介质,获得GPS初始定位信息、以及航位推算位置信息之后,基于这些信息从两种以上的融合定位方式中确定出匹配的融合定位方式,在匹配的融合定位方式为包含误差信息参数的第一融合定位方式时,还根据GPS初始定位信息以及航位推算位置信息确定误差信息,然后根据匹配的进行融合定位得到当前定位位置,从而可以动态分类出匹配的融合定位方式来进行融合定位,可以有效提高融合定位的精度,能够为不同场景的性能提供较好的鲁棒性。
附图说明
图1为一个实施例中的定位方法的流程示意图;
图2为另一个实施例中的定位方法的流程示意图;
图3为一个应用示例的定位方法的原理示意图;
图4为一个实施例中的定位装置的模块结构示意图;
图5为一个示例中的融合定位模型确定模块的模块结构示意图;
图6为一个实施例中惯性导航设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的定位方法,一个实施例中可以应用于任何可以结合惯性测量单元测得的惯性传感参数进行定位的相关设备(如车载导航等)中,以进行定位。该相关设备中具有惯性测量单元以及GPS定位装置,其中,惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。以该相关设备为车载导航为例,可以在惯性测量单元测得姿态变化信息、且GPS定位装置获得GPS定位信息后,结合姿态变化信息和GPS定位信息匹配出融合定位方式进行融合定位处理,获得最终定位位置。在另一个实施例中,也可以是应用于其他的可以执行相关运算的设备,该设备可以在获得车载导航等设备发送过来的姿态变化信息和GPS定位信息之后,匹配出融合定位方式进行融合定位处理,获得最终定位位置,然后再将获得的最终定位位置返回给车载导航等设备,以便该设备进行应用。本申请的下述实施例中,是以该相关设备匹配出融合定位方式进行融合定位处理,获得最终定位位置为例进行说明。
一个实施例中,首先通过训练学习的方式获得融合定位模型,再将该融合行为模型应用到实际的定位过程中,实现实时的融合定位。该融合定位模型可以由实际进行定位的设备(如车载导航设备)训练获得并应用在该设备中,也可以是由第三方设备(如服务器)训练获得后,将训练获得的融合定位模型发送给实际进行定位的设备(如车载导航设备),由该设备完成实际的定位过程。
以结合训练学习获得融合定位模型为例,参考图1、2、3所示,一个实施例中的定位方法,包括下述步骤S100至步骤S104。
步骤S100:训练获得融合定位模型。
以车载导航等设备为例,一个实施例中,可以是以该车载导航设备历史采集获得的更新变化信息作为样本更新变化信息,如该车载导航设备当前时刻之前的一定数目的变化更新信息,也可以是当前时刻之前的一定时间段内的变化更新信息。如车载导航设备开始使用之前的历史变化更新信息,也可以是车载导航设备开启之后一定时间段采集的历史变化更新信息。在训练获得融合定位模型时,在每一次训练过程中,执行下述步骤S1001至步骤S1004的训练过程。
步骤S1001:获取预定数目的样本变化更新信息,确定各样本变化更新信息的样本输入特征。
在模型训练过程中,得到样本变化更新信息后,可以将所有的样本变化更新信息作为一个集合,或者将所有的样本变化更新信息划分为多个集合,每个集合中包含一定数量的样本变化更新信息,每个集合中包含的样本变化更新信息的数量可以结合实际技术需要设定,本实施例中将一个集合中包含的样本变化更新信息的数目记为预定数目。
在一个实施例中,任何一个样本变化更新信息中,可以包括有:相互关联的样本GPS定位信息以及样本航位推算位置信息。在另一个实施例中,任何一个样本变化更新信息中,可以包括有:相互关联的样本GPS定位信息以及样本姿态变化信息,然后在需要进行训练时或者在训练的初始阶段,基于样本姿态变化信息进行航位推算获得对应的样本航位推算位置信息。其中,样本GPS定位信息可以是通过GPS定位模块获得的GPS信息,或者是通过其他的方式获得的GPS定位信息。
航位推算(DR)指在知道当前时刻位置的条件下,通过测量移动的距离和方位,推算下一时刻位置。在进行基于姿态变化信息获得对应的航位推算位置信息的航位推算(DR)时,航位推算的过程可包括陀螺仪提供的车辆姿态更新和位置更新两个部分。一个实施例中,可以是在速度更新之后再进行航位推算。速度更新基于里程计提供里程数据确定即可,在进行速度更新时,对里程计记录的里程计数据进行里程计误差处理,基于里程计误差处理后的里程计数据进行速度更新。
对于车辆姿态更新,可用如下的更新方程进行:
其中,Aib表示k-1时刻到k时刻的陀螺旋转角度,delta(A1)和delta(A2)是连续两次陀螺仪采样的角速度增量。
据此,可采用下式进行位置更新。
其中,Lonk表示以k时刻的经度,t表示时间,表示惯导东向速度,set为正割三角函数,rn表示地球短轴半径,Lat指纬度,Latk表示k时刻的纬度,rm表示地球长轴半径,表示惯导天线速度。以此为基础,可以得到DR的误差方程:
delta(P)=p1*A+p2*delta(P)+p3 (8)
delta(A)=a1*A+a2*delta(P)+a3 (9)
将上述DR的误差方程(8)、(9)带入上述各公式(1)至(7),即可确定该误差方程中的各参数(包括p1、p2、p3、a1、a2、a3)的值,并应用在模型训练以及实际的定位过程中。基于上述DR的误差方程可见,当前时刻的位置误差delta(P)、惯导角度误差delta(A),可以根据与当前时刻的惯导角度A以及上一时刻的惯导角度误差delta(P)确定。
如上所述,在航位推算(DR)过程中,可以不需要用到加速度计的信息。在本申请的一个实施例中,也可以使用加速度计测量得到的加速度进行姿态对准后,再执行上述航位推算(DR)的过程,这里的姿态对准,主要可以是进行俯仰角和横滚角对准,本实施例不做具体限定。一个实施例中,以车载导航系统为例,在车载导航系统使用MEMS陀螺仪时,则可以利用GPS的方位角来辅助对准,如可以结合加速度计测得的加速度和GPS的方位角进行姿态对准后,进行航位推算(DR)。
步骤S1002:对任意一个样本变化更新信息,通过初始融合定位模型中的各融合定位方式,分别对该样本变化更新信息进行融合定位,并获得各融合定位方式对该样本变化更新信息进行融合定位的融合定位性能参数。融合定位性能参数可以是包括任何可以用以评估融合定位的性能的参数,例如包括但不限于融合定位耗时、融合定位处理的资源占用量、定位精度等参数。
初始融合定位模型的输入,可以包括GPS初始定位信息和当前姿态变化信息,也可以是包括GPS初始定位信息、以及基于当前姿态变化信息进行航位推算得到的航位推算位置信息。初始融合定位模型中,可以包含两个以上的融合定位方式。一个实施例中可包含粒子滤波融合定位方式和卡尔曼滤波融合定位方式,其他实施例中也可以是其他的融合定位方式或者是包含更多的融合定位方式,例如贝叶斯估计融合定位方式、模糊逻辑融合定位方式等等。出于简洁说明的目的,下述示例中是以同时包含粒子滤波融合定位方式和卡尔曼滤波融合定位方式进行举例说明。
以初始融合定位模型同时包含粒子滤波融合定位方式和卡尔曼滤波融合定位方式为例,一方面,采用粒子滤波融合定位方式对样本变化更新信息进行融合定位,获得采用粒子滤波融合定位方式对样本变化更新信息进行融合定位,确定的样本融合定位位置以及融合定位性能参数,具体的融合定位的过程可以基于粒子滤波融合算法的现有以及以后可能的任何方式进行。另一方面,同时采用卡尔曼滤波定位方式对样本变化更新信息进行融合定位,获得采用卡尔曼滤波融合定位方式对该样本变化更新信息进行融合定位确定的样本融合定位位置和融合定位性能参数。
在卡尔曼滤波算法中,包含下述五个基本方程中,其中,前两个方程为时间更新方程,后三个方程为状态更新方程。
X(k|k-1)=FX(k-1|k-1)+BU(k) (10)
P(k|k-1)=FP(k-1|k-1)FT+Q (11)
X(k|k)=X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1)) (12)
Kg(k)=P(k|k-1)HT(HP(k|k-1)HT+R)-1 (13)
如上述式(10)至(14)所述,在卡尔曼滤波算法中,存在两个参数Q、R,其中,参数Q表征了卡尔曼滤波算法模型的统计特性,体现了模型预测值的加权,在本申请实施例中称为预测值加权参数Q,参数R表征了测量过程中的测量噪声特性,体现了测量值的加权,本申请实施例中称为测量值加权参数R。预测值加权参数Q越大表示越信任测量值,测量值加权参数R越大表示越信任模型预测值。
在本实施例中,以上述前两个方程(10)、(11)作为预测方程,上述后三个方程(12)、(13)、(14)作为更新方程,结合卡尔曼滤波算法的进行状态建模,建模后的模型中可以包括用以进行卡尔曼滤波定位的相关参数,例如航位推算位置信息、航位推算误差等。一个实施例中建模后的模型可包含下述相关内容。
X=[Adr,delta(Pdr),E,delta(K),delta(Ag),delta(Pg)]T (15)
O3×3,O3×3,O3×3,F63×3,I3×3,O3×6,I3×3,O3×9,
O3×9,I3×3,O3×6,O3×12,I3×3,O3×3,O3×15,I3×3] (16)
Zp=Pg-Pdr=(P+delta(Pg))-(P+delta(Pdr))
=delta(Pg)-delta(Pdr) (17)
Za=delta(Adr)-delta(Pdr) (18)
Z=[ZpZa]T (19)
H=[-I3×3,O3×3,I3×3,O3×3,O3×3,O3×3,
O3×3,-I3×3,O3×3,I3×3,O3×3,O3×3] (20)
基于公式(15)可以确定,本申请中可以基于航位推算角度、航位推算位置误差、陀螺仪漂移、里程误差系数、GPS角度误差以及GPS位置误差,进行卡尔曼滤波融合定位。其中,Adr表示DR角度,delta(Pdr)表示DR位置误差,E表示陀螺仪漂移,delta(K)表示DR里程误差系数,delta(Ag)表示GPS角度误差,delta(Pg)表示GPS位置误差。F13×3表示3行3列的矩阵F1,F23×3表示3行3列的矩阵F2,,F33×3、F43×3、F53×3、F63×3以此类推,O3×3表示3行3列的零矩阵,其中,零矩阵指矩阵中的所有元素均为0,表示3行3列的从B坐标系到N坐标系的转换矩阵,I3×3表示3行3列的单位矩阵,其中,单位矩阵指矩阵中的所有对角线元素均为1,其他元素均为0,O3×6表示3行6列的零矩阵,O3×9表示3行9列的零矩阵,O3×12表示3行12列的零矩阵,O3×15表示3行15列的零矩阵,P表示当前位置信息,一个实施例的当前位置信息包括经度、纬度和高度,Zp表示GPS定位信息和DR定位信息的位置差,Za表示GPS定位信息和DR定位信息的角度差。
据此,在初始融合定位模型中包含卡尔曼滤波融合定位方式时,通过卡尔曼滤波融合定位方式对样本变化更新信息进行融合定位,可以包括下述步骤A1至步骤A3。
步骤A1:基于样本航位推算位置信息,根据如上建立的误差方程(8)、(9),确定对应的样本航位推算误差。
步骤A2:通过初始融合定位模型中的卡尔曼滤波融合定位方式,基于样本GPS定位信息以及样本航位推算位置信息进行融合定位,获得卡尔曼滤波融合定位方式对应的初始融合定位位置、初始融合定位性能参数及样本航位推算误差修正值。
一个实施例中,在通过卡尔曼滤波融合定位方式对样本变化更新信息进行融合定位的过程中,可以以预测值加权参数Q为固定量,以测量值加权参数R为调节量进行调节。如可以基于GPS定位信息的相对误差DOP调节测量值加权参数R,从而可以在GPS信号不好的地方,使融合结果偏向于DR信息。
步骤A3:基于样本航位推算误差修正值修正初始融合定位位置,获得对应的样本融合定位位置以及对应的融合定位性能参数。
步骤S1003:基于融合定位性能参数,从各融合定位方式中确定各样本变化更新信息对应的优选融合定位方式。
其中,在基于融合定位性能参数确定优选融合定位方式时,基于融合定位性能参数具体包含的信息内容的不同,可以采用任何可能的方式进行。
以融合定位性能参数仅包含融合定位处理的资源占用量为例,则可以以最小的资源占用量对应的融合定位方式,作为该样本变化更新信息对应的优选融合定位方式。以融合定位性能参数包含两个以上的参数为例,则可以对这两个参数进行综合考虑(如加权处理之后),从中选择加权后的最佳值(如最大值或最小值等)对应的融合定位方式,作为该样本变化更新信息对应的优选融合定位方式。在其他实施例中,也可以采用其他方式确定样本变化更新信息对应的优选融合定位方式。
步骤S1004:根据各样本变化更新信息分别对应的优选融合定位方式,确定出变化更新信息与融合定位方式分类结果之间的对应关系。
一个实施例中,可以结合所有的样本变化更新信息,确定出变化更新信息与融合定位方式分类结果之间的对应关系,具体包括下述步骤B1和步骤B2。
步骤B1:将各样本变化更新信息分别对应的优选融合定位方式,分别确定为该样本变化更新信息对应的样本融合定位方式分类结果。即基于分类的思想,对应任意一个样本变化更新信息,将其对应的优选融合定位方式作为对该样本变化更新信息的分类。
步骤B2:基于各样本变化更新信息及对应的样本融合定位方式分类结果,确定出变化更新信息与融合定位方式分类结果之间的对应关系。在确定该对应关系时,可以采用任何可能的方式进行,例如曲线拟合等等,本实施例不做具体限定。
在另一个实施例中,可以仅基于大部分的样本变化更新信息,确定出变化更新信息与融合定位方式分类结果之间的对应关系。这里的大部分的样本变化更新信息,对应的优选融合定位方式相同,且在预定数目的样本变化更新信息中所占的数量最多。具体包括下述步骤C1至步骤C3。
步骤C1:确定各优选融合定位方式对应的样本变化更新信息的样本数目。
假设预定数目为N,初始定位模型中包含两个融合定位方式:卡尔曼滤波融合定位方式、粒子滤波融合定位方式,其中这N个样本变化更新信息中有K1个样本变化更新信息对应的优选融合定位方式均为卡尔曼滤波融合定位方式,则卡尔曼滤波融合定位方式对应的样本变化更新信息的样本数目为K1,有K2个样本变化更新信息对应的优选融合定位方式均为粒子滤波融合定位方式,则粒子滤波融合定位方式对应的样本变化更新信息的样本数目为K2。
步骤C2:将值最大的样本数目对应的优选融合定位方式,确定为预定数目的样本变化更新信息对应的融合定位方式分类结果。
如上所述,如果K1大于K2,则将卡尔曼滤波融合定位方式确定为这N个样本变化更新信息对应的样本融合定位方式分类结果。
一个实施例中,也可以是将值最大、且与预定数目的比例超过预定比例的样本数目对应的优选融合定位方式,确定为预定数目的样本变化更新信息对应的融合定位方式分类结果。如上所述,如果K1大于K2,在同时满足K1/N大于或者等于预定比例时,再将卡尔曼滤波融合定位方式确定为这N个样本变化更新信息对应的样本融合定位方式分类结果。通过预定比例的设定,可以在某一个的融合定位方式具有较大的优势时,才将该融合定位方式作为样本融合定位方式分类结果,以提升性能。
步骤C3:基于预定数目的样本变化更新信息或者值最大的样本数目的样本变化更新信息,以及融合定位方式分类结果,确定出变化更新信息与融合定位方式分类结果之间的对应关系。在确定该对应关系时,可以采用任何可能的方式进行,例如曲线拟合等等,本实施例不做具体限定。
在上述训练完成后,在满足训练结束条件时,则可以基于确定出的变化更新信息与融合定位方式分类结果之间的对应关系,确定为融合定位模型。否则,更新初始融合定位模型,如更新初始融合定位模型中各输入参数特征相对应的权重,并进入下一轮训练过程。其中,训练结束条件可以结合实际需要进行设定,如可以基于样本GPS定位信息、各融合定位方式对应的样本融合定位位置以及融合定位性能参数分析是否收敛作为训练结束条件,本实施例中不对训练结束条件做具体限定。
基于上述训练过程获得的融合定位模型,确定了该融合定位模型的各个输入参数特征相对应的权重,即各个输入参数特征对应的权重可有所不同。从而在实际基于该融合定位模型进行定位时,基于变化更新信息对应的各输入参数特征对应的值以及各输入参数特征对应的权重,确定出该变化更新信息属于各融合定位方式的分类的概率,从而据此获得匹配的融合定位方式进行实际的融合定位。
如上训练得到的融合定位模型,可用于实际的融合定位的过程中。在该训练过程是由第三方(例如服务器)进行的情况下,该融合定位模型可以发送至各定位终端(如车载导航、移动终端等),由各定位终端采用该融合定位模型完成融合定位的过程。也可以是将该融合定位模型存储到该第三方,在定位过程中,由该第三方基于终端上传的GPS初始定位信息和姿态变化信息(或基于姿态变化信息确定的惯性定位信息)完成融合定位过程,并将得到的最终定位位置返回给终端使用。在该训练过程由定位终端(如车载导航设备)进行的情况下,该定位终端可直接存储该融合定位模型,并应用在后续的定位过程中。
步骤S101:获取当前变化更新信息,其中,当前变化更新信息包括:GPS初始定位信息、以及航位推算位置信息,航位推算位置信息根据当前姿态变化信息确定。
以车载导航设备为例,在车载导航设备启动之后,每隔一个时间段定时获得变化更新信息。一个实施例中,可以在车载导航设备启动之后,基于启动之前的历史的变化更新信息作为样本变化更新信息,执行上述步骤S100中的过程,获得上述融合定位模型。
在另一个实施例中,也可以在车载导航设备启动之后,在启动之后一定时长的时间段内,以该时间段内采集的各变化更新信息作为样本变化更新信息,执行上述步骤S100中的过程,获得上述融合定位模型,即在车载导航设备启动之后的一定时长的时间段内,均采用初始融合定位模型中的各融合定位方式进行融合定位,以使得训练获得的融合定位模型更符合当前车载导航设备的实际应用情况,以提高实际定位过程中的平滑性等定位性能。本实施例中,该当前变化更新信息,指已经训练获得融合定位模型之后,在定位过程中获得的变化跟新信息。
其中,上述GPS初始定位信息指当前时刻通过GPS定位模块检测获得的GPS定位信息,例如GPS角度、以及GPS位置。上述当前姿态变化信息可以是通过惯性测量单元检测获得的相关参数确定。
惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置,一个实施例中的惯性测量单元可包括加速度计和陀螺仪,加速度计是测量加速度的仪表,陀螺仪又叫角速度传感器,是测量物体偏转、倾斜时的转动角速度或者说用来传感方向的仪表,此时,对应的当前姿态变化信息可包括测量获得的加速度和角速度等参数。
如上所述,在根据当前姿态变化信息确定航位推算位置信息时,可以是通过对当前姿态变化信息进行航位推算(DR)获得该航位推算位置信息。如一个实施例中,可以对里程计记录的里程计数据进行里程计误差处理,基于里程计误差处理后的里程计数据进行速度更新之后,根据当前姿态变化信息进行航位推算获得上述航位推算位置信息。一个实施例中,可以根据上一时刻到当前时刻的陀螺旋转速度以及陀螺仪连续两次采集的角速度的增量进行姿态更新之后,再根据当前姿态变化信息进行航位推算获得所述航位推算位置信息。一个实施例中,可以基于加速度计采集获得的加速度进行姿态对准之后,根据当前姿态变化信息进行航位推算获得航位推算位置信息。一个实施例中,可以是基于GPS方位角、以及加速度计采集获得的加速度进行姿态对准之后,根据当前姿态变化信息进行航位推算获得航位推算位置信息。一个实施例中,也可以同时执行上述基于陀螺旋转速度以及角速度的增量进行姿态更新、基于加速度进行姿态对准以及基于加速度的姿态对准之后,再根据当前姿态变化信息进行航位推算获得航位推算位置信息。
步骤S102:基于当前变化更新信息,从至少两种以上的融合定位方式中确定匹配的融合定位方式。
如上所述,该两种以上的融合定位方式可以包括任何可能的融合定位方式,例如一个实施例中可以包括:卡尔曼滤波融合定位方式以及粒子滤波融合定位方式。可以理解,也可以是包含其他类型的融合定位方式,以及包含更多数量的融合定位方式。
一个实施例中,可以是将上一次匹配的融合定位方式,确定为从至少两种以上的融合定位方式中确定匹配的融合定位方式。具体可以是在当前时刻位于上一次匹配的融合定位方式之后的预定时间段时,将上一次匹配的融合定位方式确定为匹配的融合定位方式。从而可以直接使用上次匹配的融合定位方式进行融合定位,无需时时动态确定合适的融合定位方式,节省设备性能,且提高了处理效率,且提高了平滑性。
一个实施例中,确定匹配的融合定位方式,可以包括下述步骤D1和D2。
步骤D1:基于当前变化更新信息,确定模型输入特征。
在确定模型输入特征时,一个实施例中可以是基于上述当前变化更新信息进行信息处理,获得与融合定位模型的输入参数相对应的模型输入特征。如上所述,以包含卡尔曼滤波融合定位方式为例,则基于当前变化更新信息确定的模型输入特征可以包括:航位推算角度、航位推算位置误差、陀螺仪漂移、里程误差系数、GPS角度误差以及GPS位置误差等参数。可以理解,基于融合定位模型中包含的融合定位方式的不同,所对应的模型输入特征(如数量和类型)可以有所不同,因此,具体得到模型输入特征的方式,本实施例不做具体限定。
确定的各模型输入特征,可以组合为特征向量或者组合为特征矩阵,输入到融合定位模型中。
步骤D2:将上述模型输入特征输入训练获得的融合定位模型,确定与当前变化更新信息匹配的融合定位方式分类结果,该融合定位方式分类结果与上述匹配的融合定位方式相对应。
基于上述训练获得融合定位模型,确定了该融合定位模型的各个输入参数特征相对应的权重,将模型输入特征输入训练获得的融合定位模型,从而可以基于变化更新信息对应的各输入参数特征对应的值以及各输入参数特征对应的权重,确定出该变化更新信息属于各融合定位方式的分类的概率。以融合定位模型包含卡尔曼滤波融合定位方式和粒子滤波融合定位方式为例,将模型输入特征输入训练获得的融合定位模型,可获得将该变化更新信息分类至卡尔曼滤波融合定位方式的概率1,以及分类至粒子滤波融合定位方式的概率2。
一个实施例中,可以将最大的概率对应的融合定位方式确定为匹配的融合定位方式分类结果。如上所述,若概率1大于概率2,则将卡尔曼滤波融合定位方式作为匹配的融合定位方式分类结果,即匹配的融合定位方式为卡尔曼滤波融合定位方式。
一个实施例中,可以将值最大、且大于或者等于概率阈值的概率对应的融合定位方式,确定为匹配的融合定位方式分类结果。如上所述,若概率1大于概率2,且概率1大于或者等于概率阈值,则将卡尔曼滤波融合定位方式作为匹配的融合定位方式分类结果,即匹配的融合定位方式为卡尔曼滤波融合定位方式。概率阈值可以结合实际技术需要进行设定,只要能够从中匹配出明显较优的融合定位方式即可。
相应地,在一个实施例中,在值最大的概率小于概率阈值时,可以将上一时刻采用的融合定位方式(可能是上一时刻自行匹配出的融合定位方式,也可能是上一时刻之前匹配出的融合定位方式),确定为匹配的融合定位方式分类结果。如上所述,若概率1大于概率2,且概率1小于概率阈值,则说明采用卡尔曼滤波融合定位方式和粒子滤波融合定位方式进行融合定位的优势差异并不明显,从而直接上一时刻采用的融合定位方式,可以使得定位过程具有较好的平滑性。
步骤S103:当上述匹配的融合定位方式为第一融合定位方式时,根据GPS初始定位信息以及航位推算位置信息确定误差信息,其中,第一融合定位方式为包含误差信息参数的融合定位方式。
对于不同的融合定位方式,其相应需要使用的信息有所不同。如粒子滤波融合定位方式是基于粒子的概率分布来估计出融合定位位置,其可以不需要计算误差信息。卡尔曼滤波融合定位方式需要结合航位推算位置信息进行融合定位,在此过程中需要结合误差信息来进行。本实施例中,将包含误差信息参数的融合定位方式称为第一融合定位方式。
一个实施例中,可以基于GPS初始定位信息以及航位推算位置信息确定误差信息。其中,误差信息可以包括:GPS定位误差,航位推算误差,以及所述GPS初始定位信息与所述航位推算位置信息之间的定位信息间误差。其中,GPS定位误差包括GPS角度误差、GPS位置误差,航位推算误差可以基于连续预定次数的GPS定位信息的GPS位置增量确定,具体可以包括:DR位置误差、陀螺仪漂移、DR里程误差系数,定位信息间误差包括:GPS初始定位信息与航位推算位置信息之间的角度差,以及GPS初始定位信息与航位推算位置信息之间的位置差。
步骤S104:根据上述匹配的融合定位方式,对当前变化更新信息中对应的信息进行融合定位,确定当前定位位置。
基于匹配的融合定位方式进行融合定位时,可以基于该匹配的融合定位方式的已有的融合定位过程进行,或者是基于对该融合定位方式加以改进后的过程进行,本实施例不做进行限定。在匹配的融合定位方式为第一融合定位方式(如卡尔曼滤波融合定位方式)时,结合上述确定的误差信息,对当前变化更新信息中对应的信息进行融合定位,确定当前定位位置,如一个实施例中可以结合上述确定的误差信息对融合定位得到的初始定位位置进行更新,从而获得最终的当前定位位置。
一个实施例中,以匹配的融合定位方式为卡尔曼滤波融合定位方式为例,可以采用卡尔曼滤波定位方式进行融合定位,获得最终的定位位置的方式,可以是目前已有以及以后可能出现的任何的卡尔曼滤波定位方式,此处不再详加赘述。如上所述,在进行融合定位处理时,可以以预测值加权参数Q为固定量,以测量值加权参数R为调节量,且该测量值加权参数R,可以基于GPS初始定位信息的相对误差进行调节。
应该理解的是,尽管上述实施例的说明中,给出了具体的几种融合定位算法,但在实际技术实现过程中,还可以在融合定位模型中扩充或者增加其他的融合定位方式,并不能加以限定。
一个实施例中,在上述根据匹配的融合定位方式进行融合定位,确定当前定位位置之后,还可以包括步骤:在自当前时刻之后的预定时间段内的各定位时刻,均采用该第一融合定位方式进行融合定位,确定各定位时刻对应的定位位置。从而可以在获得匹配的融合定位方式之后,可将该匹配的融合定位方式用于后续预定时间段内的各定位时刻的融合定位,无需时时动态进行融合定位方式的匹配,提高了处理效率,且提高了平滑性。
如在一个实施例中,在当前时刻获得匹配的融合定位方式(一个实施例中可以限定为是基于融合定位模型匹配出的融合定位方式)之后,自当前时刻开始的预定时间段内的各定位时刻,均采用该匹配融合定位方式进行融合定位,而在超过该预定时间段之后,则基于融合定位模型重新匹配出融合定位方式,以验证匹配出的融合定位方式是否还继续具有较优的融合定位性能,若连续一定次数N1或连续指定时长时间段T1内均不一致,则可以连续一定次数N2或连续指定时长时间段T2均基于融合定位模型重新匹配出融合定位方式,直至连续一定次数N3或连续指定时长时间段T3匹配出的融合定位方式均保持一致。其中,N1、N2、N3的值可以相同,也可以不相同,T1、T2、T3的值可以相同,也可以不相同。
一个实施例中,若连续一定次数N1或连续指定时长时间段T1内均不一致,也可以直接重新执行训练过程,从而训练出新的融合定位模型以进行应用。在另一个实施例中,也可以在当前时刻获得匹配的融合定位方式(一个实施例中可以限定为是基于融合定位模型匹配出的融合定位方式)之后,自当前时刻开始的预定时间段之后,也可以是直接重新执行训练过程,从而训练出新的融合定位模型新的融合定位模型以进行应用。
基于与上述定位方法相同的思想,一个实施例中提供一种定位装置,该装置可应用于任何可以获得GPS信息和惯性测量单元测量获得的惯性传感参数,并快进行融合定位的设备,例如车载导航设备等。
参考图4所示,一个实施例中的定位装置包括信息获取模块401、以及匹配及定位模块402。
参数获取模块401,用于获取当前变化更新信息,当前变化更新信息包括:GPS初始定位信息、以及航位推算位置信息,航位推算位置信息根据当前姿态变化信息确定。
其中,上述GPS初始定位信息指当前时刻通过GPS定位模块检测获得的GPS定位信息,例如GPS角度、以及GPS位置。上述当前姿态变化信息可以是通过惯性测量单元检测获得的相关参数确定。
惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置,一个实施例中的惯性测量单元可包括加速度计和陀螺仪,加速度计是测量加速度的仪表,陀螺仪又叫角速度传感器,是测量物体偏转、倾斜时的转动角速度或者说用来传感方向的仪表,此时,对应的当前姿态变化信息可包括测量获得的加速度和角速度等参数。
如上所述,在根据当前姿态变化信息确定航位推算位置信息时,可以是通过对当前姿态变化信息进行航位推算(DR)获得该航位推算位置信息。如一个实施例中,可以对里程计记录的里程计数据进行里程计误差处理,基于里程计误差处理后的里程计数据进行速度更新之后,根据当前姿态变化信息进行航位推算获得上述航位推算位置信息。一个实施例中,可以根据上一时刻到当前时刻的陀螺旋转速度以及陀螺仪连续两次采集的角速度的增量进行姿态更新之后,再根据当前姿态变化信息进行航位推算获得所述航位推算位置信息。一个实施例中,可以基于加速度计采集获得的加速度进行姿态对准之后,根据当前姿态变化信息进行航位推算获得航位推算位置信息。一个实施例中,可以是基于GPS方位角、以及加速度计采集获得的加速度进行姿态对准之后,根据当前姿态变化信息进行航位推算获得航位推算位置信息。一个实施例中,也可以同时执行上述基于陀螺旋转速度以及角速度的增量进行姿态更新、基于加速度进行姿态对准以及基于加速度的姿态对准之后,再根据当前姿态变化信息进行航位推算获得航位推算位置信息。
匹配及定位模块402,用于基于当前变化更新信息,从至少两种以上的融合定位方式中确定匹配的融合定位方式;当匹配的融合定位方式为第一融合定位方式时,根据GPS初始定位信息以及航位推算位置信息确定误差信息;并根据所述匹配的融合定位方式,对所述当前变化更新信息中对应的信息进行定位,确定当前定位位置;其中,第一融合定位方式为包含误差信息参数的融合定位方式。
如上所述,该两种以上的融合定位方式可以包括任何可能的融合定位方式,例如一个实施例中可以包括:卡尔曼滤波融合定位方式以及粒子滤波融合定位方式。可以理解,也可以是包含其他类型的融合定位方式,以及包含更多数量的融合定位方式。
一个实施例中,匹配及定位模块402可以是将上一次匹配的融合定位方式,确定为从至少两种以上的融合定位方式中确定匹配的融合定位方式。具体可以是在当前时刻位于上一次匹配的融合定位方式之后的预定时间段时,将上一次匹配的融合定位方式确定为匹配的融合定位方式。从而可以直接使用上次匹配的融合定位方式进行融合定位,无需时时动态确定合适的融合定位方式,提高了处理效率,且提高了平滑性。
一个实施例中,匹配及定位模块402基于当前变化更新信息,确定模型输入特征,将上述模型输入特征输入训练获得的融合定位模型,确定与当前变化更新信息匹配的融合定位方式分类结果,该融合定位方式分类结果与上述匹配的融合定位方式相对应。
基于上述训练获得融合定位模型,确定了该融合定位模型的各个输入参数特征相对应的权重,将模型输入特征输入训练获得的融合定位模型,从而可以基于变化更新信息对应的各输入参数特征对应的值以及各输入参数特征对应的权重,确定出该变化更新信息属于各融合定位方式的分类的概率。
据此,一个实施例中,匹配及定位模块402可以将最大的概率对应的融合定位方式确定为匹配的融合定位方式分类结果,也可以是将值最大、且大于或者等于概率阈值的概率对应的融合定位方式,确定为匹配的融合定位方式分类结果。另一方面,在值最大的概率小于概率阈值时,匹配及定位模块402也可以将上一时刻采用的融合定位方式(可能是上一时刻自行匹配出的融合定位方式,也可能是上一时刻之前匹配出的融合定位方式),确定为匹配的融合定位方式分类结果。
其中,当上述匹配的融合定位方式为第一融合定位方式时,匹配及定位模块402还根据GPS初始定位信息以及航位推算位置信息确定误差信息,其中,第一融合定位方式为包含误差信息参数的融合定位方式。
一个实施例中,可以基于GPS初始定位信息以及航位推算位置信息确定误差信息。其中,误差信息可以包括:GPS定位误差,航位推算误差,以及所述GPS初始定位信息与所述航位推算位置信息之间的定位信息间误差。其中,GPS定位误差包括GPS角度误差、GPS位置误差,航位推算误差可以基于连续预定次数的GPS定位信息的GPS位置增量确定,具体可以包括:DR位置误差、陀螺仪漂移、DR里程误差系数,定位信息间误差包括:GPS初始定位信息与航位推算位置信息之间的角度差,以及GPS初始定位信息与航位推算位置信息之间的位置差。
一个实施例中,匹配及定位模块402,还在自当前时刻之后的预定时间段内的各定位时刻,均采用该第一融合定位方式进行融合定位,确定各定位时刻对应的定位位置。从而可以在获得匹配的融合定位方式之后,可将该匹配的融合定位方式用于后续预定时间段内的各定位时刻的融合定位,无需时时动态进行融合定位方式的匹配,提高了处理效率,且提高了平滑性。
一个实施例中,匹配及定位模块402,还在当前时刻获得匹配的融合定位方式(一个实施例中可以限定为是基于融合定位模型匹配出的融合定位方式)之后,自当前时刻开始的预定时间段内的各定位时刻,均采用该匹配融合定位方式进行融合定位,而在超过该预定时间段之后,则基于融合定位模型重新匹配出融合定位方式。从而可以验证匹配出的融合定位方式是否还继续具有较优的融合定位性能,若连续一定次数N1或连续指定时长时间段T1内均不一致,则可以连续一定次数N2或连续指定时长时间段T2均基于融合定位模型重新匹配出融合定位方式,直至连续一定次数N3或连续指定时长时间段T3匹配出的融合定位方式均保持一致。其中,N1、N2、N3的值可以相同,也可以不相同,T1、T2、T3的值可以相同,也可以不相同。
一个实施例中,还在匹配及定位模块402连续一定次数N1或连续指定时长时间段T1内均不一致时,或者是在当前时刻获得匹配的融合定位方式(一个实施例中可以限定为是基于融合定位模型匹配出的融合定位方式)之后,自当前时刻开始的预定时间段之后,通过融合定位模型确定模块400重新执行训练过程,从而训练出新的融合定位模型以进行应用。
据此,参考图4、图5所示,一个实施例中的定位装置,还可以包括:
融合定位模型确定模块400,用于训练获得融合定位模型。一个示例中的融合定位模型确定模块400可以包括样本获取模块4001、以及训练模块4002。
样本获取模块4001,用于获取预定数目的样本变化更新信息,确定各样本变化更新信息的样本输入特征。在一个实施例中,任何一个样本变化更新信息中,相互关联的样本GPS定位信息以及样本航位推算位置信息。在另一个实施例中,任何一个样本变化更新信息中,可以包括有:相互关联的样本GPS定位信息以及样本姿态变化信息,然后在需要进行训练时或者在训练的初始阶段,基于样本姿态变化信息进行航位推算获得对应的样本航位推算位置信息。
训练模块4002,用于对任意一个样本变化更新信息,通过初始融合定位模型中的各融合定位方式,分别对该样本变化更新信息进行融合定位,并获得各融合定位方式对该样本变化更新信息进行融合定位的融合定位性能参数;基于融合定位性能参数,从各融合定位方式中确定各样本变化更新信息对应的优选融合定位方式;并根据各所述样本变化更新信息分别对应的优选融合定位方式,确定出变化更新信息与融合定位方式分类结果之间的对应关系。
初始融合定位模型中,可以包含两个以上的融合定位方式。一个实施例中可包含粒子滤波融合定位方式和卡尔曼滤波融合定位方式,其他实施例中也可以是其他的融合定位方式或者是包含更多的融合定位方式,例如贝叶斯估计融合定位方式、模糊逻辑融合定位方式等等。
以初始融合定位模型同时包含粒子滤波融合定位方式和卡尔曼滤波融合定位方式为例,一方面,训练模块4002采用粒子滤波融合定位方式对样本变化更新信息进行融合定位,获得采用粒子滤波融合定位方式对样本变化更新信息进行融合定位,确定的样本融合定位位置以及融合定位性能参数,具体的融合定位的过程可以基于粒子滤波融合算法的现有以及以后可能的任何方式进行。另一方面,训练模块4002同时采用卡尔曼滤波定位方式对样本变化更新信息进行融合定位,获得采用卡尔曼滤波融合定位方式对该样本变化更新信息进行融合定位确定的样本融合定位位置和融合定位性能参数。
训练模块4002在基于融合定位性能参数确定优选融合定位方式时,基于融合定位性能参数具体包含的信息内容的不同,可以采用任何可能的方式进行。以融合定位性能参数仅包含融合定位处理的资源占用量为例,则可以以最小的资源占用量对应的融合定位方式,作为该样本变化更新信息对应的优选融合定位方式。以融合定位性能参数包含两个以上的参数为例,则可以对这两个参数进行综合考虑(如加权处理之后),从中选择加权后的最佳值(如最大值或最小值等)对应的融合定位方式,作为该样本变化更新信息对应的优选融合定位方式。在其他实施例中,也可以采用其他方式确定样本变化更新信息对应的优选融合定位方式。
一个实施例中,训练模块4002将各样本变化更新信息分别对应的优选融合定位方式,分别确定为该样本变化更新信息对应的样本融合定位方式分类结果,并基于各样本变化更新信息及对应的样本融合定位方式分类结果,确定出变化更新信息与融合定位方式分类结果之间的对应关系。在另一个实施例中,训练模块4002确定各优选融合定位方式对应的样本变化更新信息的样本数目,将值最大的样本数目对应的优选融合定位方式,确定为预定数目的样本变化更新信息对应的融合定位方式分类结果,并基于预定数目的样本变化更新信息或者值最大的样本数目的样本变化更新信息,以及融合定位方式分类结果,确定出变化更新信息与融合定位方式分类结果之间的对应关系。在确定该对应关系时,可以采用任何可能的方式进行,例如曲线拟合等等,本实施例不做具体限定。
在上述训练完成后,在满足训练结束条件时,训练模块4002基于确定出的变化更新信息与融合定位方式分类结果之间的对应关系,确定融合定位模型,否则,更新初始融合定位模型,如更新初始融合定位模型中各输入参数特征相对应的权重,并进入下一轮训练过程。
一个实施例中提供了一种定位设备,该定位设备可以是任何能够结合惯性测量单元测得的惯性传感参数进行定位处理的设备,例如终端或者服务器,这里的终端可以是任何可以进行惯性测量的终端,例如车载导航设备,服务器可以是任何可以获得惯性测量单元得到的惯性传感参数并据此进行融合定位的服务器。一个实施例中的定位设备的内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器,还可以包括通过系统总线连接的网络接口,在该计算机设备为终端设备时,还可以包括显示屏和输入装置。在定位设备为车载导航设备等可以自行测量惯性传感参数的设备时,其还可以包括通过系统总线连接的惯性测量单元、GPS定位设备、加速度计和里程计等设备。
其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的惯性导航设备的限定,具体的惯性导航设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
据此,在一个实施例中,还提供了一种惯性导航设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现如上所述的任意实施例中的方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (16)
1.一种定位方法,所述方法包括:
获取当前变化更新信息,所述当前变化更新信息包括:GPS初始定位信息、以及航位推算位置信息,所述航位推算位置信息根据当前姿态变化信息确定;
基于至少两种以上的融合定位方式分别对所述当前变化更新信息进行融合定位,确定各所述当前变化更新信息匹配的融合定位方式分类结果,基于各所述融合定位方式分类结果,从至少两种以上的融合定位方式中确定匹配的融合定位方式;
当所述匹配的融合定位方式为第一融合定位方式时,根据所述GPS初始定位信息以及航位推算位置信息确定误差信息,所述第一融合定位方式为包含误差信息参数的融合定位方式;
根据所述匹配的融合定位方式,对当前变化更新信息中对应的信息进行融合定位,确定当前定位位置;
基于至少两种以上的融合定位方式分别对所述当前变化更新信息进行融合定位,从至少两种以上的融合定位方式中确定匹配的融合定位方式,包括:
基于当前变化更新信息,确定模型输入特征;
将所述模型输入特征输入训练获得的融合定位模型,确定与所述当前变化更新信息匹配的融合定位方式分类结果,所述融合定位方式分类结果与匹配的融合定位方式相对应;
在训练获得所述融合定位模型的各次训练过程中,执行下述训练过程:
获取预定数目的样本变化更新信息;
对任意一个样本变化更新信息,通过初始融合定位模型中的各融合定位方式,分别对该样本变化更新信息进行融合定位,并获得各融合定位方式对该样本变化更新信息进行融合定位的融合定位性能参数;
基于融合定位性能参数,从各融合定位方式中确定各样本变化更新信息对应的优选融合定位方式;
根据各所述样本变化更新信息分别对应的优选融合定位方式,确定出变化更新信息与融合定位方式分类结果之间的对应关系。
2.根据权利要求1所述的方法,其特征在于,包括下述各项中的任意一项:
对里程计记录的里程计数据进行里程计误差处理,基于里程计误差处理后的里程计数据进行速度更新之后,根据所述当前姿态变化信息进行航位推算获得所述航位推算位置信息;
根据上一时刻到当前时刻的陀螺旋转速度以及陀螺仪连续两次采集的角速度的增量进行姿态更新之后,根据所述当前姿态变化信息进行航位推算获得所述航位推算位置信息;
基于加速度计采集获得的加速度进行姿态对准之后,根据所述当前姿态变化信息进行航位推算获得所述航位推算位置信息;
基于GPS方位角、以及加速度计采集获得的加速度进行姿态对准之后,根据所述当前姿态变化信息进行航位推算获得所述航位推算位置信息。
3.根据权利要求1所述的方法,其特征在于:所述根据所述匹配的融合定位方式,对所述当前变化更新信息中对应的信息进行融合定位,确定当前定位位置,包括:采用所述匹配的融合定位方式,对所述模型输入特征中对应的特征进行融合定位处理,获得当前定位位置。
4.根据权利要求1所述的方法,其特征在于:
在确定当前定位位置之后,还包括:在自当前时刻之后的预定时间段内的各定位时刻,采用所述匹配的融合定位方式进行融合定位,确定各定位时刻对应的定位位置。
5.根据权利要求1所述的方法,其特征在于,基于所述当前变化更新信息,从至少两种以上的融合定位方式中确定匹配的融合定位方式,包括:
在当前时刻位于上一次匹配的融合定位方式之后的预定时间段时,将上一次匹配的融合定位方式确定为所述匹配的第一融合定位方式。
6.根据权利要求1或4所述的方法,其特征在于,所述至少两种以上的融合定位方式包括:卡尔曼滤波融合定位方式以及粒子滤波融合定位方式。
7.根据权利要求1或4或5所述的方法,其特征在于,在所述匹配的第一融合定位方式为卡尔曼滤波融合定位方式时,在进行融合定位处理时,以预测值加权参数Q为固定量,以测量值加权参数R为调节量。
8.根据权利要求7所述的方法,其特征在于,基于所述GPS初始定位信息的相对误差,调节所述测量值加权参数R。
9.根据权利要求1所述的方法,其特征在于,根据各所述样本变化更新信息分别对应的优选融合定位方式,确定出变化更新信息与融合定位方式分类结果之间的对应关系,包括:
将各所述样本变化更新信息分别对应的优选融合定位方式,分别确定为该样本变化更新信息对应的样本融合定位方式分类结果;
基于各所述样本变化更新信息及对应的样本融合定位方式分类结果,确定出变化更新信息与融合定位方式分类结果之间的对应关系。
10.根据权利要求9所述的方法,其特征在于,根据各所述样本变化更新信息分别对应的优选融合定位方式,确定出变化更新信息与融合定位方式分类结果之间的对应关系,包括:
确定各优选融合定位方式对应的样本变化更新信息的样本数目;
将值最大的样本数目对应的优选融合定位方式,确定为所述预定数目的样本变化更新信息对应的融合定位方式分类结果;
基于所述预定数目的样本变化更新信息或者值最大的样本数目的样本变化更新信息,以及融合定位方式分类结果,确定出变化更新信息与融合定位方式分类结果之间的对应关系。
11.根据权利要求9所述的方法,其特征在于,确定出变化更新信息与融合定位方式分类结果之间的对应关系之后,还包括步骤:
在满足训练结束条件时,基于确定出的变化更新信息与融合定位方式分类结果之间的对应关系,确定所述融合定位模型,否则,更新所述初始融合定位模型,进入下一轮训练过程。
12.一种定位装置,所述装置包括:
信息获取模块,用于获取当前变化更新信息,所述当前变化更新信息包括:GPS初始定位信息、以及航位推算位置信息,所述航位推算位置信息根据当前姿态变化信息确定;
匹配及定位模块,用于基于至少两种以上的融合定位方式分别对所述当前变化更新信息进行融合定位,确定各所述当前变化更新信息匹配的融合定位方式分类结果,基于各所述融合定位方式分类结果,从至少两种以上的融合定位方式中确定匹配的融合定位方式;当所述匹配的融合定位方式为第一融合定位方式时,根据所述GPS初始定位信息以及航位推算位置信息确定误差信息,所述第一融合定位方式为包含误差信息参数的融合定位方式;并根据所述匹配的融合定位方式,对所述当前变化更新信息中对应的信息进行定位,确定当前定位位置,以及用于基于当前变化更新信息,确定模型输入特征;将所述模型输入特征输入训练获得的融合定位模型,确定与所述当前变化更新信息匹配的融合定位方式分类结果,所述融合定位方式分类结果与匹配的融合定位方式相对应;
样本获取模块,用于获取预定数目的样本变化更新信息,确定各样本变化更新信息的样本输入特征;
训练模块,用于对任意一个样本变化更新信息,通过初始融合定位模型中的各融合定位方式,分别对该样本变化更新信息进行融合定位,并获得各融合定位方式对该样本变化更新信息进行融合定位的融合定位性能参数;基于融合定位性能参数,从各融合定位方式中确定各样本变化更新信息对应的优选融合定位方式;并根据各所述样本变化更新信息分别对应的优选融合定位方式,确定出变化更新信息与融合定位方式分类结果之间的对应关系。
13.根据权利要求12所述的定位装置,其特征在于:
所述匹配及定位模块,还用于在自当前时刻之后的预定时间段内的各定位时刻,均采用所述第一融合定位方式进行融合定位,确定各定位时刻对应的定位位置。
14.根据权利要求12所述的定位装置,其特征在于:
所述训练模块,还用于采用粒子滤波融合定位方式对样本变化更新信息进行融合定位,获得采用粒子滤波融合定位方式对样本变化更新信息进行融合定位,确定的样本融合定位位置以及融合定位性能参数,同时采用卡尔曼滤波定位方式对样本变化更新信息进行融合定位,获得采用卡尔曼滤波融合定位方式对该样本变化更新信息进行融合定位确定的样本融合定位位置和融合定位性能参数。
15.一种定位设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述方法的步骤。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811025588.0A CN110873888B (zh) | 2018-09-04 | 2018-09-04 | 定位方法、定位装置、定位设备和计算机存储介质 |
EP19857105.1A EP3848730A4 (en) | 2018-09-04 | 2019-08-30 | POSITIONING PROCESS, APPARATUS AND DEVICE, AND COMPUTER READABLE STORAGE MEDIA |
PCT/CN2019/103662 WO2020048394A1 (zh) | 2018-09-04 | 2019-08-30 | 定位方法、装置、设备和计算机可读存储介质 |
US17/075,880 US11796320B2 (en) | 2018-09-04 | 2020-10-21 | Positioning method, apparatus and device, and computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811025588.0A CN110873888B (zh) | 2018-09-04 | 2018-09-04 | 定位方法、定位装置、定位设备和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110873888A CN110873888A (zh) | 2020-03-10 |
CN110873888B true CN110873888B (zh) | 2022-05-06 |
Family
ID=69716012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811025588.0A Active CN110873888B (zh) | 2018-09-04 | 2018-09-04 | 定位方法、定位装置、定位设备和计算机存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11796320B2 (zh) |
EP (1) | EP3848730A4 (zh) |
CN (1) | CN110873888B (zh) |
WO (1) | WO2020048394A1 (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI752366B (zh) * | 2019-10-29 | 2022-01-11 | 優式機器人股份有限公司 | 位移處理方法及模組與除草裝置 |
CN111859177A (zh) * | 2020-04-10 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种定位方法和系统 |
CN111879305B (zh) * | 2020-06-16 | 2022-03-18 | 华中科技大学 | 一种面向高危生产环境的多模态感知定位模型与系统 |
CN111836359B (zh) * | 2020-07-01 | 2022-07-12 | Oppo广东移动通信有限公司 | 多径场景的定位方法、装置、电子设备以及存储介质 |
CN111780756A (zh) | 2020-07-20 | 2020-10-16 | 北京百度网讯科技有限公司 | 车辆航位推算方法、装置、设备以及存储介质 |
CN112468959B (zh) * | 2020-11-24 | 2023-05-16 | 宏景科技股份有限公司 | 位置确定方法、装置、计算机设备和存储介质 |
CN112556696B (zh) * | 2020-12-03 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 一种对象定位方法、装置、计算机设备以及存储介质 |
US20220228866A1 (en) * | 2021-01-15 | 2022-07-21 | ALMA Technologies Ltd. | System and method for providing localization using inertial sensors |
US11859978B2 (en) | 2021-01-15 | 2024-01-02 | ALMA Technologies Ltd. | System and method for estimating a velocity of a vehicle using inertial sensors |
CN112596089B (zh) * | 2021-03-02 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 融合定位方法、装置、电子设备及存储介质 |
CN113406682B (zh) * | 2021-06-22 | 2024-03-12 | 腾讯科技(深圳)有限公司 | 一种定位方法、装置、电子设备及存储介质 |
CN113175936B (zh) * | 2021-06-28 | 2021-08-31 | 智道网联科技(北京)有限公司 | 基于神经网络模型的车辆轨迹推算方法及装置 |
CN113568430A (zh) * | 2021-07-31 | 2021-10-29 | 北京晟天行科技有限公司 | 一种无人机机翼执行数据的修正控制方法 |
CN113984044A (zh) * | 2021-10-08 | 2022-01-28 | 杭州鸿泉物联网技术股份有限公司 | 一种基于车载多感知融合的车辆位姿获取方法及装置 |
CN114167858B (zh) * | 2021-11-12 | 2022-11-11 | 广州文远知行科技有限公司 | 车辆的导航控制方法、装置、导航控制器和车辆控制系统 |
CN114370870B (zh) * | 2022-01-05 | 2024-04-12 | 中国兵器工业计算机应用技术研究所 | 适用于位姿测量卡尔曼滤波的滤波器更新信息筛选方法 |
CN117031521B (zh) * | 2023-10-08 | 2024-01-30 | 山东大学 | 一种室内外无缝环境下的弹性融合定位方法及系统 |
CN117433540B (zh) * | 2023-12-20 | 2024-04-02 | 北京海兰信数据科技股份有限公司 | 船舶的航行方法、终端设备及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1908587A (zh) * | 2006-08-18 | 2007-02-07 | 湖南大学 | Gps/dr车载组合定位系统及定位方法 |
CN102778686A (zh) * | 2012-08-07 | 2012-11-14 | 东南大学 | 基于移动gps/ins节点的协同车辆定位方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6240367B1 (en) * | 1998-11-27 | 2001-05-29 | Ching-Fang Lin | Full fusion positioning method for vehicle |
US20020158796A1 (en) * | 2001-04-25 | 2002-10-31 | Ian Humphrey | Integrated GPS and IGS system and method |
CN101907714B (zh) | 2010-06-25 | 2013-04-03 | 陶洋 | 基于多传感器数据融合的gps辅助定位方法 |
US9366764B2 (en) * | 2013-11-18 | 2016-06-14 | General Motors Llc | Vehicular GPS/DR navigation with environmental-adaptive kalman filter gain |
CN103810382B (zh) * | 2014-01-27 | 2017-01-25 | 中国电子科技集团公司第十研究所 | 机载分布式多传感器两级数据融合策略选择方法 |
DE102014211164A1 (de) * | 2014-06-11 | 2015-12-17 | Continental Teves Ag & Co. Ohg | Verfahren und System zur Anpassung eines Navigationssystems |
CN104502942A (zh) * | 2015-01-06 | 2015-04-08 | 上海华测导航技术有限公司 | 基于卫星导航和航位推测实现农业机械定位的系统及方法 |
CN104819716A (zh) * | 2015-04-21 | 2015-08-05 | 北京工业大学 | 一种基于mems的ins/gps组合的室内外个人导航算法 |
US9836056B2 (en) * | 2015-06-05 | 2017-12-05 | Bao Tran | Smart vehicle |
US10571925B1 (en) * | 2016-08-29 | 2020-02-25 | Trifo, Inc. | Autonomous platform guidance systems with auxiliary sensors and task planning |
US10571926B1 (en) * | 2016-08-29 | 2020-02-25 | Trifo, Inc. | Autonomous platform guidance systems with auxiliary sensors and obstacle avoidance |
US11789449B2 (en) * | 2018-02-09 | 2023-10-17 | Nvidia Corporation | Controlling autonomous vehicles using safe arrival times |
CN108303721B (zh) * | 2018-02-12 | 2020-04-03 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
WO2019191313A1 (en) * | 2018-03-27 | 2019-10-03 | Nvidia Corporation | Remote operation of vehicles using immersive virtual reality environments |
WO2019200385A1 (en) * | 2018-04-13 | 2019-10-17 | Salandy Defour Ricardo Scott | Proximity-based event networking system and wearable augmented reality clothing |
-
2018
- 2018-09-04 CN CN201811025588.0A patent/CN110873888B/zh active Active
-
2019
- 2019-08-30 WO PCT/CN2019/103662 patent/WO2020048394A1/zh unknown
- 2019-08-30 EP EP19857105.1A patent/EP3848730A4/en active Pending
-
2020
- 2020-10-21 US US17/075,880 patent/US11796320B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1908587A (zh) * | 2006-08-18 | 2007-02-07 | 湖南大学 | Gps/dr车载组合定位系统及定位方法 |
CN102778686A (zh) * | 2012-08-07 | 2012-11-14 | 东南大学 | 基于移动gps/ins节点的协同车辆定位方法 |
Non-Patent Citations (1)
Title |
---|
基于小波神经网络的多传感器自适应融合算法;原泉等;《北京航空航天大学学报》;20081115(第11期);第1331-1334页 * |
Also Published As
Publication number | Publication date |
---|---|
US11796320B2 (en) | 2023-10-24 |
EP3848730A4 (en) | 2021-11-03 |
EP3848730A1 (en) | 2021-07-14 |
US20210033738A1 (en) | 2021-02-04 |
CN110873888A (zh) | 2020-03-10 |
WO2020048394A1 (zh) | 2020-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110873888B (zh) | 定位方法、定位装置、定位设备和计算机存储介质 | |
CN110146909B (zh) | 一种定位数据处理方法 | |
CN109059907B (zh) | 轨迹数据处理方法、装置、计算机设备和存储介质 | |
CN111429716A (zh) | 用于确定自车的位置的方法 | |
CN111982106A (zh) | 导航方法、装置、存储介质及电子装置 | |
CN111707294B (zh) | 基于最优区间估计的行人导航零速区间检测方法和装置 | |
CN113252048B (zh) | 一种导航定位方法、导航定位系统及计算机可读存储介质 | |
CN111241224B (zh) | 目标距离估计的方法、系统、计算机设备和存储介质 | |
CN110989619B (zh) | 用于定位对象的方法、装置、设备和存储介质 | |
CN111383324B (zh) | 点云地图的构建方法、装置、计算机设备和存储介质 | |
CN114061611A (zh) | 目标对象定位方法、装置、存储介质和计算机程序产品 | |
CN114061570A (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN112985391A (zh) | 一种基于惯性和双目视觉的多无人机协同导航方法和装置 | |
CN110794434B (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
CN110375740B (zh) | 车辆导航方法、装置、设备和存储介质 | |
CN114001730B (zh) | 融合定位方法、装置、计算机设备和存储介质 | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
KR102184662B1 (ko) | 위성 탑재용 소프트웨어에 탑재 가능한 위성 이벤트 예측 기법 | |
CN113503883B (zh) | 采集用于构建地图的数据的方法、存储介质及电子设备 | |
CN116443032A (zh) | 一种未来长时车速预测方法、系统、设备和存储介质 | |
CN113029171A (zh) | 车辆路径匹配方法、装置、计算机设备和存储介质 | |
CN113137975B (zh) | 天文惯性组合导航的惯性校正方法、装置及电子设备 | |
CN117308925B (zh) | 一种频谱地图惯导组合的导航方法、装置、设备和介质 | |
KR102562031B1 (ko) | 차선 정보를 이용한 자율주행 차량의 측위 방법, 장치 및 컴퓨터프로그램 | |
CN113959430B (zh) | 飞行汽车的航姿确定方法、装置、车载终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40021628 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |